データ品質の仕組みを作る

レストランを思い浮かべてみてください。食材の鮮度を確認せずに料理を出したら、お客さんに嫌な思いをさせてしまいますよね。データも同じです。中身が正しくないままアプリで使うと、通知が届かなかったり、集計が間違っていたりと、あとから大きな手戻りが発生します。

このレッスンでは、あなたのデータに「鮮度チェックの仕組み」を 15 分で用意します。ノーコード（＝プログラミングをせずにアプリを作る方法）ツールの機能と AI を組み合わせて、誰が入力しても品質が保たれる仕組みを作りましょう。

このレッスンが終わったとき、あなたの手元には次の成果物ができています。

• 品質ルールを 4 種類書き出したドキュメント（＝文書）
• ツール上で実際に設定した画面のスクリーンショット（＝画面の写真）

「自分のデータに品質チェックを入れられた！」と実感できる状態がゴールです。

データ品質（＝データが正確で、抜けがなく、いつでも使える状態のこと）は、アプリが正しく動くための土台です。

品質が高いデータには 3 つの特徴があります。

• 正確：実際の値と一致している（例：住所が正しい）
• 完全：必要な項目が埋まっている（例：電話番号が空白ではない）
• 一貫：同じものが同じ名前で記録されている（例：「(株)」と「株式会社」が混在しない）

まずは、あなたのデータに入りがちな「落とし穴」を押さえましょう。

良い例・悪い例で比べる

良い例：顧客名は「山田 太郎」、電話番号は「090-1234-5678」、メールは「taro@example.com」——すべて形式が揃っている

悪い例：顧客名が空白、電話番号に「あいうえお」、メール欄に「taro@」だけ——形式がバラバラで処理できない

ルールをゼロから考えるのは大変です。AI に叩き台を作ってもらいましょう。ChatGPT や Claude などのチャット AI に、次のように聞いてみてください。

プロンプト例 1：ルールの洗い出し

私は顧客管理スプレッドシートを運用しています。列は「氏名・電話番号・メールアドレス・ステータス」の 4 つです。 それぞれの列について、データ品質を保つためのチェックルールを提案してください。 ルールの種類は「必須チェック・形式チェック・重複チェック・関連チェック」の 4 分類でお願いします。

AI が提案してくれた内容を、次の 4 種類に整理します。

1. 必須チェック：空欄を許さない項目を決める
2. 形式チェック：正しい形式（メールアドレスなら @ があるなど）を確認する
3. 重複チェック：同じデータが 2 回登録されないようにする
4. 関連チェック：項目どうしの矛盾がないか確かめる（例：開始日より終了日が前になっていないか）

良い例・悪い例で比べる

良い例：AI の提案を見ながら「うちのデータでは電話番号が一番ミスが多いな」と優先順位をつけて絞る

悪い例：AI が提案した 20 個のルールをすべてそのまま採用する → ルールが多すぎて入力が大変になり、運用が回らない

AI に作ってもらったルールを、実際のツール上で設定します。あなたの使っているツールに合わせて読み替えてください。

Airtable の場合

1. 必須フィールドにする：フィールドの設定で「必須」をオンにする
2. ドロップダウン（＝あらかじめ用意した選択肢から選ぶ入力方式）を使う：自由入力ではなく選択式にする
3. 条件付き書式を設定する：異常値に色をつけて目立たせる

Google スプレッドシートの場合

1. データの入力規則を設定する：メニューの「データ」→「データの入力規則」で入力できる値の条件を決める
2. プルダウンリストを作る：決まった選択肢だけ入力できるようにする
3. 条件付き書式でチェックする：ルールに合わないセルに色をつける

設定できたら、スクリーンショットを撮っておきましょう。あとで成果物として使います。

良い例・悪い例で比べる

良い例：顧客のステータス欄をドロップダウンにして「新規・対応中・完了」の 3 択だけにする → 入力ミスが防げる

悪い例：ステータス欄を自由入力にする → 「新規」「しんき」「NEW」など表記ゆれが発生する

ルールを設定したあとは、既存データに問題がないか AI に確認してもらいましょう。スプレッドシートのデータをコピーして、AI に次のように頼みます。

プロンプト例 2：既存データのチェック

以下は顧客管理スプレッドシートのデータです（ここにデータを貼り付ける）。 次の観点で問題がある行を教えてください：

1. 空白のセル
2. 重複している行
3. 形式がおかしい値（例：電話番号が数字以外を含む、メールに @ がない） 問題ごとに「行番号・問題の内容・修正案」をまとめてください。

良い例・悪い例で比べる

良い例：AI が「3 行目の電話番号が 8 桁です。090-1234-567 → 090-1234-5670 ではありませんか？」と具体的に教えてくれる

悪い例：「データに問題があるかもしれません」とだけ返ってくる → 指示が曖昧だと AI の回答も曖昧になります。プロンプト例のように具体的に聞きましょう

ルールを一度設定して終わりではなく、定期的に見直すことが大切です。

見直しのタイミング

• 新しい項目を追加したとき
• データの使い方が変わったとき
• 月に 1 回の定期チェック

AI に定期レビューを頼むプロンプト

プロンプト例 3：月次チェック

先月の顧客データを確認します（ここにデータを貼り付ける）。 以下の品質ルールに違反している行を見つけてください：

• 氏名が空白
• 電話番号が 10〜11 桁でない
• メールに @ が含まれない
• 同じメールアドレスの重複 違反数を種類別にカウントし、先月との比較があればコメントしてください。

AI の回答をもとに改善していけば、毎月データがきれいになっていきます。

このレッスンの成果物として、次の内容をまとめたドキュメントを作成してください。

1. 対象データの名前と目的（例：「顧客管理シート — 営業チームの連絡先管理用」）
2. 決めた品質ルール（必須・形式・重複・関連の 4 種類それぞれ 1〜2 個）
3. ツールで設定した内容のスクリーンショット
4. AI にチェックしてもらった結果のスクリーンショット
5. 運用・見直しのタイミング

プロンプト例 4：成果物ドキュメントの下書き

以下の情報をもとに、「データ品質管理ドキュメント」の下書きを作ってください。

• 対象データ：（ここに書く）
• 品質ルール：（ここに書く）
• 見直しタイミング：月 1 回 Markdown 形式で、見出しをつけてください。

まとめ終わったら、スクリーンショットを証拠として添付して提出しましょう。

次の 3 つが揃っていれば、このレッスンは完了です。

• 品質ルールを 4 種類（必須・形式・重複・関連）書き出した
• ツール上で少なくとも 2 つのルールを実際に設定し、スクリーンショットを撮った
• AI を使って既存データの品質チェックを 1 回実施した